通过

智能 Microsoft 365 Copilot 副驾驶®扩展性规划指南

智能 Microsoft 365 Copilot 副驾驶®是一种 AI 驱动的生产力工具，它结合了知识和技能，帮助用户完成工作。 可以构建扩展性解决方案，为用户定制和增强 Copilot 体验，以满足组织的独特业务需求。

规划是设计和构建扩展性解决方案的重要第一步。 本文提供帮助你规划 Copilot 扩展性解决方案的关键步骤。

定义目标

在设计 Copilot 扩展性解决方案之前，请定义计划生成的用途和范围。 其中包括以下步骤：

  • 确定要解决的问题。
  • 了解目标用户。
  • 定义解决方案如何解决业务问题。

首先，请定义需要解决的特定挑战或生产力差距。 确定用户存在的低效、痛点或未满足的需求。 确定需要解决的问题后，可以探索如何通过扩展 Copilot 来提供价值。

接下来，考虑你对目标用户的了解，以及如何帮助他们满足其生产力需求。 确定你面向的用户角色或角色，以及你希望为组织实现的结果。 请考虑以下问题：

  • 潜在用户的数量是否会影响设计选择，例如消耗成本？
  • 用户是否具有 Copilot 许可证？ 如果没有，采用或许可成本是多少？ 有关详细信息，请参阅 考虑成本。

定义需要解决的问题或业务需求后，确定如何扩展 Copilot 来解决或缓解问题。 用户需要 Copilot 做什么？ 使用下表中的信息来指导你的思考。

业务需求 Copilot 扩展性方法
改进决策、摘要或建议 提高 Copilot 的推理能力。
从数据库、文档或 API 集成组织知识 启用 Copilot 以访问和使用外部数据。
通过构建自动化流减少手动任务 创建自动化工作流以简化重复任务。
在你自己的应用程序或自定义代理中提供对 Copilot 功能的安全访问 通过智能 Microsoft 365 Copilot 副驾驶® API 访问 Copilot，以确保合规性和企业级安全性

此外还需考虑以下事项：

  • 工作流是否涉及 多个步骤或条件决策？ 如果是这样，请设计结构化工作流或多步骤交互，以便获得流畅的用户体验。
  • Copilot 是否需要 动态适应 用户输入或更改上下文？ 如果是这样，请实现上下文感知功能，以根据用户需求实时调整响应。

定义技术和数据要求

确定扩展性解决方案需要满足的要求。 请考虑以下因素：

  • 用户体验要求

    用户将在何处与 Copilot 交互？ 这可能在 Microsoft Copilot、Word、Excel、PowerPoint、Teams) 或第三方应用或网站 (365 个应用的上下文中。

  • 数据源

    Copilot 或解决方案是否需要内部或外部数据，例如文档、应用程序、API 或数据库？ 例如，是否需要：

    • 将外部数据集成到 Microsoft 365 应用中，以获取与上下文相关的响应？
    • 与业务工作流的实时数据交互？
    • 与其他应用程序交互以检索或更新数据、运行命令或触发工作流？

  • 数据源集成选项

    对于需要与 Copilot 集成的每个数据源，确定智能 Microsoft 365 Copilot 副驾驶®连接器 (以前Microsoft Graph 连接器) 、Power Platform 插件或 REST API 是否可用。 如果现有数据源集成不可用，请确定是要生成 Copilot 连接器还是 API 来启用集成。 下表提供了一个示例。

    数据源 你希望如何在 Copilot 中使用数据？ 数据源集成
    Salesforce
    • 在询问有关客户的问题时，作为知识来源。
    • 更新商机详细信息。
    • Copilot 连接器
    • API 或 Power Platform 插件

  • 代理和自动化要求

    确定触发器、计划的工作流和自动化需求。

定义解决方案

根据对用户需求的评估和解决方案的技术要求，确定要生成的 Copilot 扩展性选项的类型或类型。

Copilot 连接器

如果需要 Copilot 将外部数据集成到 Microsoft 365 应用程序中，以提供上下文相关的响应，请使用 Copilot 连接器。 根据你的方案，可以选择执行以下作之一：

Copilot 代理

如果仅使用 Copilot 连接器不能满足你的需求，你可以构建一个代理来根据业务需求定制 Copilot 体验或连接到特定的数据源。

如果决定生成代理，则需要确定以下内容：

下表列出了根据计划生成的代理类型提供的低代码和支持代码选项。

代理类型 低代码工具选项 专业代码工具选项
声明性代理
  • Copilot Studio代理生成器
  • >Copilot Studio
 Visual Studio Code + Microsoft 365 代理工具包 (Teams 工具包的演变)
自定义引擎代理 Copilot Studio
  • Visual Studio Code + Teams AI 库
  • Visual Studio Code + Microsoft 365 代理 SDK (预览版)
  • Visual Studio 2022
  • 语义内核 (可选)

接下来，确定代理所需的数据源或插件。 数据源可能是Microsoft 365 个数据， (Teams 消息、电子邮件、人员、SharePoint 网站或文件夹) 、Copilot 连接器 (预生成或自定义) ，或者用于实时数据访问或外部作) (插件。

最后，如果代理涉及复杂的工作流，则可能需要自定义业务流程协调程序。 有关帮助你设计解决方案的信息，请参阅使用 Copilot Studio、语义内核或 LangChain。

智能 Microsoft 365 Copilot 副驾驶® API

如果要将 Copilot 的功能集成到自定义应用程序或代理中，智能 Microsoft 365 Copilot 副驾驶® API 提供对 Copilot 中关键功能的编程访问，包括：

  • 知识访问 - 使用检索 API (即将) 公共预览版和 AI 会议见解 API 安全地访问Microsoft 365 知识，包括索引企业数据和 AI 生成的会议内容。

  • 对话集成 - 为了将 Copilot 支持的聊天体验嵌入你自己的应用程序中，Copilot 对话助手 API (即将推出公共预览版，) 允许你直接从 Copilot 发送提示并接收响应。

  • 治理和见解 - 如果要构建数据治理解决方案，或者希望了解用户如何与 Copilot 交互， 则 Copilot 交互导出 API 允许导出用户提示和响应。 这可以帮助你确保合规性、监视使用情况并推动采用策略。

考虑成本

从用户和托管角度考虑解决方案设计的成本影响。 有关详细信息，请参阅 Copilot 扩展性的成本注意事项。

解决 RAI 和合规性注意事项

无论选择哪种解决方案，都需要确保它满足 RAI 和合规性要求。 比如以下几种情况：

  • Copilot 扩展性解决方案是否需要特定的 LLM 模型或对特定任务（例如法律研究或医疗合规性）进行微调？ 如果是这样，有关如何将模型与 Copilot 集成并针对 Copilot 进行优化的信息，请参阅 如何为应用选择正确的模型 |Azure AI。
  • 确保解决方案应用 负责任 AI (RAI) 原则、数据管理和存储发布 (，以满足 ISV) 要求。

概述开发方法

选择 Copilot 扩展性路径后，决定如何构建开发过程。 根据用例选择适当的开发工具，例如 Teams 工具包、Copilot Studio、Microsoft 365 智能体 SDK或 Azure AI。 若要构建解决方案，请从最低可行产品 (MVP) 开始，然后根据反馈和性能进行优化。

下表提供了针对各种用户方案使用不同的 Copilot 扩展性选项的扩展性解决方案示例。

扩展性类型 用例 示例
Copilot 连接器 IT 支持助手 一家全球公司集成了 ServiceNow 连接器，以增强与 Copilot 的 IT 支持。 员工使用 Copilot 搜索故障排除指南、检查票证状态并提交服务请求。 连接器从 ServiceNow 提取数据，从而实时访问知识库文章和 IT 票证。 此集成改进了自助服务功能，缩短了解决时间，提高了整体 IT 支持效率。
Copilot 连接器 客户信息集成 销售团队使用 Salesforce Copilot 连接器来提高客户保留率并简化 Microsoft 365 中的工作流。 销售代表现在可以直接从 Copilot 快速搜索和检索最新的客户数据，例如商机、潜在顾客和帐户。 借助 AI 辅助的见解和建议，他们可以更好地个性化交互并做出明智的决策，提高销售业绩，并减少在平台之间切换所花费的时间。
声明性代理 + API 插件 医疗保健合规性助手 医院建立了一个声明性代理，以帮助医务人员访问合规性指南。 声明性代理从 SharePoint 拉取策略，并使用 API 插件从政府门户检索实时法规更新。
声明性代理 + API 插件 + Copilot 连接器 项目工作流优化器 项目管理团队创建一个与 GitHub 和 Jira 集成的代理，以简化工作流。 代理检索和更新 Jira 票证，拉取 GitHub PR 和代码评审，搜索 Teams 聊天和会议笔记，并使用代码解释器获取项目见解。 它还建议后续步骤并自动跟进，使项目经理了解最新情况并提高效率。
自定义引擎代理 + API 插件 法律研究 AI 一家律师事务所使用 Azure OpenAI 服务创建独立的 AI 代理。 代理使用自定义训练的 LLM 进行案例法分析，并通过 API 插件与外部法律数据库集成。
自定义引擎代理 制造预测性维护代理 工厂开发用于预测计算机故障的自定义引擎代理。 它从 IoT 设备收集传感器数据，使用 LLM 进行处理，并在检测到异常时通过 Teams 向工程师发出警报，从而实现主动维护并最大程度地减少停机时间。
自定义引擎代理 + Copilot API 顾问知识访问 一家咨询公司构建了一个自定义代理，以帮助顾问为客户会议作准备。 代理使用 Copilot 检索 API 访问最新的 SharePoint 数据，确保安全、合规的信息访问，使客户端数据保持隔离和保护。

相关内容